Cette formation s'adresse aux techniciens spécialisés dans la maintenance des systèmes de froid industriel souhaitant intégrer des solutions d'intelligence artificielle pour anticiper les pannes, optimiser les interventions et réduire les temps d'arrêt. Elle couvre les fondamentaux du froid industriel, l'analyse de données via IA, et l'utilisation d'outils prédictifs pour une maintenance proactive. La démarche pédagogique alterne théorie, cas pratiques et démonstrations sur équipements réels. À l'issue, les participants maîtrisent des techniques innovantes tout en valorisant leur expertise métier.
Professionnels de la maintenance souhaitant moderniser leurs méthodes avec des outils d'IA adaptés aux contraintes industrielles.
Expérience minimale de 2 ans en maintenance industrielle ou froid industriel. Connaissances de base en électronique ou automatismes sont un plus.
Rappel des principes thermodynamiques du froid industriel. Présentation des types de systèmes (compression, absorption) et leurs composants critiques. Analyse des coûts liés aux pannes et aux temps d'arrêt. Introduction aux méthodologies de maintenance (corrective, préventive, prédictive). Cas concrets d'interventions réussies ou échouées.
Présentation des capteurs et systèmes de mesure en froid industriel (température, pression, consommation électrique). Collecte et structuration des données de maintenance. Utilisation de logiciels d'analyse de données (exemples : outils open source ou solutions industrielles). Identification des indicateurs clés de performance (KPI) pour la maintenance. Démonstration avec un jeu de données réel d'une installation frigorifique.
Fondamentaux du machine learning appliqué à la maintenance. Modèles de détection d'anomalies (algorithmes de clustering, réseaux de neurones). Interprétation des alertes générées par l'IA. Limites et biais des outils automatiques. Exercice pratique : analyse d'un rapport de maintenance anormale avec un outil IA et proposition d'action corrective.
Protocoles de maintenance prédictive : planification des interventions basées sur des données. Utilisation de tableaux de bord temps réel pour suivre l'état des équipements. Réduction des coûts via la prévention des pannes majeures. Étude de cas : comparaison entre maintenance traditionnelle et prédictive sur une installation type. Discussion sur l'intégration de ces méthodes dans un système de gestion de maintenance (GMAO).
Mise en situation sur une installation frigorifique pédagogique. Application des techniques apprises : lecture des données IA, diagnostic des anomalies, validation des actions correctives. Travail en groupe pour résoudre un scénario de panne complexe. Validation des compétences par un formateur expert. Tiempo de questions et échanges sur les défis rencontrés en entreprise.
Évaluation formative par mise en situation réelle et questionnaire de validation des acquis en fin de formation.
Formation certifiée Qualiopi, finançable OPCO.